Fugu-MT 論文翻訳(概要): Pattern capacity of a single quantum perceptron

論文の概要: Pattern capacity of a single quantum perceptron

arxiv url: http://arxiv.org/abs/2112.10115v2
Date: Mon, 27 Dec 2021 17:46:28 GMT
ステータス: 処理完了
システム内更新日: 2023-03-04 03:11:19.567276
Title: Pattern capacity of a single quantum perceptron
Title（参考訳）: 単一量子パーセプトロンのパターン容量
Authors: Fabio Benatti, Giovanni Gramegna, Stefano Mancini
Abstract要約: 量子機械学習の最近の進歩は、古典的なパーセプトロンを量子状態に一般化するモデルがいくつか導入されている。ここでは、連続変数量子システムを用いて実現された量子パーセプトロンの特定のモデルのパターンキャパシティを計算するための統計物理学的手法を用いる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent developments in Quantum Machine Learning have seen the introduction of several models to generalize the classical perceptron to the quantum regime. The capabilities of these quantum models need to be determined precisely in order to establish if a quantum advantage is achievable. Here we use a statistical physics approach to compute the pattern capacity of a particular model of quantum perceptron realized by means of a continuous variable quantum system.
Abstract（参考訳）: 量子機械学習の最近の進歩は、古典的なパーセプトロンを量子状態に一般化するモデルがいくつか導入されている。これらの量子モデルの能力は、量子アドバンテージが達成可能であるかどうかを確定するために正確に決定する必要がある。ここでは、連続変数量子システムによって実現される特定の量子パーセプトロンモデルのパターン容量を計算するために統計物理学のアプローチを用いる。

関連論文リスト

Single-shot quantum machine learning [0.3277163122167433]
我々は、量子学習モデルがほぼ決定論的に予測を生成できる時期を分析する。量子学習モデルがほぼ決定論的である程度は、埋め込み量子状態の識別可能性によって制約されることを示す。我々は、量子学習モデルは汎用的な方法で単発ではあり得ず、同時に訓練可能であることを示して結論付けた。
論文参考訳（メタデータ） (2024-06-19T20:17:18Z)
Quantum data learning for quantum simulations in high-energy physics [55.41644538483948]
本研究では,高エネルギー物理における量子データ学習の実践的問題への適用性について検討する。我々は、量子畳み込みニューラルネットワークに基づくアンサッツを用いて、基底状態の量子位相を認識できることを数値的に示す。これらのベンチマークで示された非自明な学習特性の観察は、高エネルギー物理学における量子データ学習アーキテクチャのさらなる探求の動機となる。
論文参考訳（メタデータ） (2023-06-29T18:00:01Z)
Universality of critical dynamics with finite entanglement [68.8204255655161]
臨界近傍の量子系の低エネルギー力学が有限絡みによってどのように変化するかを研究する。その結果、時間依存的臨界現象における絡み合いによる正確な役割が確立された。
論文参考訳（メタデータ） (2023-01-23T19:23:54Z)
Effective information bounds in modified quantum mechanics [0.03492633112489883]
量子システムは、パラメータ推定のためにハイゼンベルク極限の修正を暗示する量子速度制限の修正を行うことを示す。量子重力にインスパイアされたいくつかの非局所モデルでは、境界は時間の経過とともに振動することが示され、これは将来の高精度な量子実験で試される。
論文参考訳（メタデータ） (2022-11-16T21:37:04Z)
Classical surrogates for quantum learning models [0.7734726150561088]
本稿では,訓練された量子学習モデルから効率的に得られる古典的モデルである古典的サロゲートの概念を紹介する。我々は、よく解析された再アップロードモデルの大規模なクラスが古典的なサロゲートを持つことを示す。
論文参考訳（メタデータ） (2022-06-23T14:37:02Z)
Theory of Quantum Generative Learning Models with Maximum Mean Discrepancy [67.02951777522547]
量子回路ボルンマシン(QCBM)と量子生成逆ネットワーク(QGAN)の学習可能性について検討する。まず、QCBMの一般化能力を解析し、量子デバイスがターゲット分布に直接アクセスできる際の優位性を同定する。次に、QGANの一般化誤差境界が、採用されるAnsatz、クォーディットの数、入力状態に依存することを示す。
論文参考訳（メタデータ） (2022-05-10T08:05:59Z)
Efficient criteria of quantumness for a large system of qubits [58.720142291102135]
大規模部分量子コヒーレント系の基本パラメータの無次元結合について論じる。解析的および数値計算に基づいて、断熱進化中の量子ビット系に対して、そのような数を提案する。
論文参考訳（メタデータ） (2021-08-30T23:50:05Z)
Preparing random states and benchmarking with many-body quantum chaos [48.044162981804526]
時間に依存しないハミルトン力学の下で自然にランダム状態アンサンブルの出現を予測し、実験的に観察する方法を示す。観測されたランダムアンサンブルは射影測定から現れ、より大きな量子系のサブシステムの間に構築された普遍的相関に密接に関連している。我々の研究は、量子力学におけるランダム性を理解するための意味を持ち、より広い文脈でのこの概念の適用を可能にする。
論文参考訳（メタデータ） (2021-03-05T08:32:43Z)
Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文参考訳（メタデータ） (2021-01-21T22:18:49Z)
On quantum ensembles of quantum classifiers [0.0]
量子機械学習は、量子コンピュータの根底にある性質を利用して機械学習技術を強化する。量子分類器の量子アンサンブルの具体的な実装は、精度重み付き量子アンサンブルと呼ばれ、完全に量子化することができる。一方、一般的な量子アンサンブルフレームワークは、特に量子スピードアップを提供する有名なDeutsch-Jozsaアルゴリズムを含むことが示されている。
論文参考訳（メタデータ） (2020-01-29T13:46:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。